KR20200027093A - 이미지 자동분류 방법 및 시스템 - Google Patents

이미지 자동분류 방법 및 시스템 Download PDF

Info

Publication number
KR20200027093A
KR20200027093A KR1020180103266A KR20180103266A KR20200027093A KR 20200027093 A KR20200027093 A KR 20200027093A KR 1020180103266 A KR1020180103266 A KR 1020180103266A KR 20180103266 A KR20180103266 A KR 20180103266A KR 20200027093 A KR20200027093 A KR 20200027093A
Authority
KR
South Korea
Prior art keywords
product
shot
image
images
classifying
Prior art date
Application number
KR1020180103266A
Other languages
English (en)
Other versions
KR102135477B1 (ko
Inventor
조명훈
Original Assignee
엔에이치엔 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엔에이치엔 주식회사 filed Critical 엔에이치엔 주식회사
Priority to KR1020180103266A priority Critical patent/KR102135477B1/ko
Priority to US16/528,499 priority patent/US11531882B2/en
Priority to JP2019151535A priority patent/JP7358117B2/ja
Publication of KR20200027093A publication Critical patent/KR20200027093A/ko
Application granted granted Critical
Publication of KR102135477B1 publication Critical patent/KR102135477B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06K9/6267—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/54—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G06K9/00456—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19173—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/413—Classification of content, e.g. text, photographs or tables
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)

Abstract

실시예에 따른 이미지 자동분류 방법은, 웹 쇼핑몰로부터 복수의 제품의 전체 컨텐츠를 획득하는 단계; 상기 획득한 복수의 제품 전체 컨텐츠에서 각각의 제품별 전체 컨텐츠를 분류하여 저장하는 단계; 일 제품의 전체 컨텐츠에서 복수의 제품 이미지들을 추출하는 단계; 및 상기 추출된 복수의 제품 이미지를 적어도 1회 이상 자동 분류하여 일 제품에 대한 최종제공정보를 생성하는 단계를 포함하고, 상기 최종제공정보는, 상기 일 제품에 대한 복수의 제품 이미지들을 복수의 카테고리 별로 분류하여 각 분류된 제품 이미지들을 선택 가능하도록 제공하는 정보이다.

Description

이미지 자동분류 방법 및 시스템{METHOD AND SYSTEM FOR IMAGE AUTOMATIC CLASSIFICATION}
본 발명은 이미지 자동분류 방법 및 시스템에 관한 것이다.
보다 상세하게는, PC 웹 상의 다양한 이미지를 모바일 웹의 편의에 맞게 자동분류하고 재구성하여 제공하는 방법 및 시스템에 관한 것이다.
스마트 모바일 환경의 급격한 발전에 따라 모바일 웹(Mobile Web) 쇼핑몰 산업이 나날이 성장하고 있다. 그리하여, PC 웹(Personal Computer Web) 쇼핑몰의 경쟁력 증대를 위해 PC 웹 쇼핑몰을 모바일 웹 쇼핑몰화하여 제공하는 것이 보편적인 추세로 자리잡고 있다.
그러나, PC 웹 쇼핑몰 상에 존재하는 다양한 이미지(예를 들면, 제품 이미지, 착용 이미지, 제품 재질 및/또는 제품 색상 이미지 등)를 모바일 웹 쇼핑몰 사용자의 편의에 맞게 효과적으로 재구성하는 방법 및 시스템이 미흡하여 그 필요성이 대두되고 있다.
한편, 인간의 뇌를 모방하는 뉴럴 네트워크(neural network)가 고안되어 컴퓨터 스스로 외부 데이터를 조합, 분석하여 학습하는 딥러닝(deep learning) 기술이 발전함에 따라, AI(Artificial Intelligence, 인공지능)가 획기적으로 도약하였다.
그리하여 컴퓨터가 인간을 대체해 방대한 양의 데이터를 분석하고, 사물이나 데이터를 군집화하거나 분류할 수 있다.
또한, 컴퓨터 기술의 발전으로, 방대한 양의 데이터를 송수신하기에 적합한 Json(Java Script Object Notation) 파일 형식이 사용됨에 따라서, 보다 경량화된 데이터 포맷 기술을 접목한 데이터 송수신이 가능하다.
KR 10-2016-0096832 A
본 발명의 실시예는, PC 웹 쇼핑몰에 존재하는 다양한 이미지를 모바일 웹 쇼핑몰 사용자의 편의에 맞게 효과적으로 재구성하기 위한 이미지 자동분류 방법 및 시스템을 제안하고자 한다.
자세히, 본 발명의 실시예는, PC 웹 쇼핑몰을 모바일 웹 쇼핑몰화 하는 과정에서, PC 웹 쇼핑몰 상에 무작위로 나열된 다양한 제품 이미지를 모바일 웹 쇼핑몰 사용자의 편의에 맞게 일일이 수작업으로 분류해야하는 문제점을 해결하기 위하여 PC 웹 쇼핑몰의 무작위 이미지들을 모바일 웹 구축에 적합한 형식으로 자동분류하는 이미지 자동분류 방법 및 시스템을 제공하고자 한다.
다만, 본 발명의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
실시예에 따른 이미지 자동분류 방법은, 웹 쇼핑몰로부터 복수의 제품의 전체 컨텐츠를 획득하는 단계; 상기 획득한 복수의 제품 전체 컨텐츠에서 각각의 제품별 전체 컨텐츠를 분류하여 저장하는 단계; 일 제품의 전체 컨텐츠에서 복수의 제품 이미지들을 추출하는 단계; 및 상기 추출된 복수의 제품 이미지를 적어도 1회 이상 자동 분류하여 일 제품에 대한 최종제공정보를 생성하는 단계를 포함하고, 상기 최종제공정보는, 상기 일 제품에 대한 복수의 제품 이미지들을 복수의 카테고리 별로 분류하여 각 분류된 제품 이미지들을 선택 가능하도록 제공하는 정보이다.
이때, 상기 일 제품의 전체 컨텐츠를 기초로 상기 일 제품의 제품 정보를 획득하는 단계를 더 포함하고, 상기 제품 정보는, 상기 일 제품이 상의, 하의 및 원피스 중 어느 하나의 제품 종류 카테고리에 속하는지를 나타내는 정보를 포함할 수 있다.
또한, 상기 일 제품의 전체 컨텐츠에서 복수의 제품 이미지들을 추출하는 단계는, 상기 인접한 제품 이미지들 사이의 텍스트 또는 공백의 유무를 기초로 인접한 제품 이미지들을 각각의 제품 이미지로 분리하는 단계를 포함할 수 있다.
또한, 상기 추출된 복수의 제품 이미지를 적어도 1회 이상 자동 분류하여 일 제품에 대한 최종제공정보를 생성하는 단계는, 상기 제품 이미지들을 제품 착용여부를 기준으로 착용샷 및 제품샷 중 적어도 어느 하나의 카테고리로 제 1차 분류하는 단계를 포함할 수 있다.
또한, 상기 제 1차 분류하는 단계는, 상기 제품 이미지 내에 포즈 특징이 있으면 상기 착용샷 카테고리로 분류하고, 나머지 제품 이미지는 상기 제품샷 카테고리로 분류하는 단계일 수 있다.
또한, 상기 추출된 복수의 제품 이미지를 적어도 1회 이상 자동 분류하여 일 제품에 대한 최종제공정보를 생성하는 단계는, 상기 제 1차 분류된 이미지가 상기 착용샷일 경우, 상기 착용샷들을 포즈 형태를 기준으로 정면샷, 후면샷, 전신샷, 클로즈업샷, 스탠드샷 또는 기타포즈샷 중 적어도 어느 하나의 카테고리로 제 2차 분류하는 단계를 포함할 수 있다.
또한, 상기 제 2차 분류하는 단계는, 상기 착용샷에서 후면샷을 검출하는 단계와, 상기 후면샷을 제외한 정면샷에서 전신샷을 검출한 후 나머지 정면샷들을 클로즈업샷으로 분류하는 단계와, 상기 전신샷을 스탠드 샷과 기타포즈 샷으로 분류하는 단계를 포함할 수 있다.
또한, 상기 추출된 복수의 제품 이미지를 적어도 1회 이상 자동 분류하여 일 제품에 대한 최종제공정보를 생성하는 단계는, 상기 제 1차 분류된 이미지가 상기 제품샷일 경우, 상기 제품샷들을 뷰포인트를 기준으로 정측면샷, 후측면샷, 상측면샷, 하측면샷, 죄측면샷 또는 우측면샷 중 어느 하나의 카테고리로 제 2차 분류하는 단계를 포함할 수 있다.
또한, 상기 제품샷에서 상기 일 제품의 디테일을 촬영한 디테일샷을 분류하는 단계를 더 포함할 수 있다.
또한, 상기 추출된 복수의 제품 이미지를 적어도 1회 이상 자동 분류하여 일 제품에 대한 최종제공정보를 생성하는 단계는, 상기 제 2차 분류된 이미지를 상기 제 2차 분류된 카테고리의 메인샷과 나머지 서브샷으로 최종 분류하는 단계를 더 포함할 수 있다.
또한, 상기 메인샷과 서브샷을 최종 분류하는 기준은, 상기 제품 이미지에서 제품이 노출된 영역의 크기 또는 상기 제품 이미지가 제 2차 분류되어 속한 카테고리에 적용 확률을 기준일 수 있다.
또한, 상기 최종제공정보는, 각 제품 별 제품 정보, 상기 제 2차 분류에 따른 카테고리별 이름 및 상기 제 2차 분류된 카테고리의 메인샷을 출력하는 정보일 수 있다.
또한, 상기 최종제공정보는, 일 카테고리의 메인샷을 선택하는 입력을 받으면, 상기 일 카테고리에 속한 나머지 상기 서브샷을 추가적으로 일괄 표시하는 인터페이스를 포함할 수 있다.
또한, 상기 최종제공정보를 사용자에게 Json 형식의 파일로 생성하여 송신하는 단계를 더 포함할 수 있다.
본 발명의 실시예에 따른 이미지 자동분류 방법 및 시스템은, PC 웹 쇼핑몰 상에 무작위로 나열된 다양한 제품 이미지를 모바일 웹 쇼핑몰에서 사용하기 적합한 형식으로자동분류하여 제공함으로써, 상기 제품 이미지를 신속하고 편리하게 분류하도록 하고, PC에 비해 작은 디스플레이를 가진 모바일 환경에서 제품 이미지가 사용자에게 보다 효과적으로 전달되도록 할 수 있다.
또한, 본 발명의 실시예에 따른 이미지 자동분류 방법 및 시스템은, 상기 자동분류한 정보를 인터페이스로 재구성해 제공함으로써, 사용자가 자동분류된 이미지를 편리하게 확인하도록 할 수 있다.
도 1은 본 발명의 실시예에 따른 이미지 자동분류 시스템에 대한 개념도이다.
도 2는 본 발명의 실시예에 따른 쇼핑몰 서버의 내부 블록도이다.
도 3은 본 발명의 실시예에 따른 이미지 자동분류 서버의 내부 블록도이다.
도 4는 본 발명의 실시예에 따른 단말의 내부 블록도이다.
도 5는 본 발명의 실시예에 따른 이미지 자동분류 방법에 대한 흐름도이다.
도 6은 본 발명의 실시예에 따른 추출한 일 제품 전체 컨텐츠를 분석하여 분류하는 단계에 대한 세부 흐름도이다.
도 7은 본 발명의 실시예에 따른 추출한 일 제품 전체 컨텐츠를 분석하여 분류하는 단계의 세부 흐름도에 대한 상세 흐름도이다.
도 8은 본 발명의 실시예에 따른 추출한 일 제품 전체 컨텐츠를 분석하여 분류하는 기능을 제공 중인 모습을 나타낸다.
도 9은 본 발명의 실시예에 따른 최종제공정보의 모습을 나타낸다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다. 이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다. 또한, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다. 또한, 도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 두께는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 실시예에 따른 이미지 자동분류 방법 및 시스템에 대한 개념도이다.
도 1을 참조하면, 실시예에 따른 이미지 자동분류 방법 및 시스템은, 쇼핑몰 서버(100), 이미지 자동분류 서버(200) 및 단말(300)을 포함할 수 있다.
여기서, 도 1의 각 구성요소는, 네트워크(Network)를 통해 연결될 수 있다. 네트워크는 쇼핑몰 서버(100), 이미지 자동분류 서버(200) 및/또는 단말(300) 등과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
또한, 본 발명의 실시예에서는, 자동분류되어 제공되는 이미지를 온라인 쇼핑몰 상의 의류 이미지로 한정하여 설명하나, 액세서리나 생활용품 등 통상의 기술자가 실시할 수 있는 범위 내에서 다양한 실시예가 가능할 것이다.
또한, 이하 본 발명의 실시예에서는, 설명의 편의를 위하여 PC를 통해 제공되는 웹 쇼핑몰을 웹 쇼핑몰로, 모바일 단말에서 제공되는 웹 쇼핑몰을 모바일 쇼핑몰로 기재하여 설명하기로 한다.
- 쇼핑몰 서버
먼저, 쇼핑몰 서버(100)는, 네트워크를 통하여 제품을 주문하고 판매할 수 있는 전자상거래 웹 쇼핑몰을 사용자 단말에 제공할 수 있다.
또한, 이러한 쇼핑몰 서버(100)는, 이미지 자동분류 시스템에서 필요한 데이터를 송수신하고 저장할 수 있다.
자세히, 도 2를 참조하면, 쇼핑몰 서버(100)는, 데이터 송수신부(110) 및 데이터저장부(120)를 포함할 수 있다.
먼저, 데이터 송수신부(110)는, 이미지 자동분류가 필요한 웹 쇼핑몰 상의 제품 이미지들을 이미지 자동분류 서버(200)로 송신할 수 있고, 이미지 자동분류 서버(200)로부터 생성된 최종제공정보를 수신할 수 있다.
여기서, 최종제공정보란, 이미지 자동분류 서버(200)가 자동분류된 이미지를 용이하게 구분하여 확인할 수 있도록 재구성해 생성한 최종 결과물 정보이다.
이때, 최종제공정보는, 상기 최종제공정보를 효과적으로 활용할 수 있는 인터페이스를 더 포함하여 제공될 수 있다.
자세히, 쇼핑몰 서버(100)의 관리자는, 단말을 통해 쇼핑몰 서버(100)에 접속하여 최종제공정보를 열람하고, 열람된 최종제공정보를 활용하여 신속하고 손쉽게 모바일 쇼핑몰을 구축할 수 있다. 즉, 관리자는, 무작위로 이미지들이 배열되어도 무방한 웹 쇼핑몰을 구축한 이후, 한정된 공간 때문에 소수의 이미지를 효과적으로 배치시켜야하는 모바일 쇼핑몰로 변환할 때, 최종제공정보를 활용할 수 있다.
다음으로, 데이터저장부(120)는, 웹 쇼핑몰 및/또는 이미지 자동분류와 관련된 기능 동작에 필요한 응용 프로그램, 데이터 및 명령어 중 어느 하나 이상을 저장할 수 있다.
예를 들어, 데이터저장부(120)는, 웹 쇼핑몰 상의 제품 이미지 및/또는 제품명 등을 저장하여 관리할 수 있다.
또한, 데이터저장부(120)는, ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기 일 수 있고, 인터넷(internet)상에서 상기 데이터저장부(120)의 저장 기능을 수행하는 웹 스토리지(web storage)일 수도 있다.
- 이미지 자동분류 서버
다음으로, 이미지 자동분류 서버(200)는, 웹 쇼핑몰의 다양한 이미지를 모바일 쇼핑몰 관리자의 편의에 맞게 자동분류하고, 상기 자동분류한 이미지를 용이하게 구분하여 확인할 수 있도록 재구성한 정보를 생성할 수 있다.
도 3을 참조하여 이미지 자동분류 서버(200)의 구성요소를 상세히 설명하면, 이미지 자동분류 서버(200)는, 데이터 수집부(210), 데이터 분류부(220), 최종제공정보 생성부(230), 데이터베이스(240) 및 데이터 배포부(250)를 포함할 수 있다.
먼저, 데이터 수집부(210)는, 쇼핑몰 서버(100)로부터 제품 전체 컨텐츠를 수신하거나 쇼핑몰 서버(100)에 접속하여 제품 전체 컨텐츠를 추출하여 저장할 수 있다.
다음으로, 데이터 분류부(220)는, 상기 수신 및/또는 추출한 제품 전체 컨텐츠를 기설정된 기준 및/또는 이미지 딥러닝(Image Deep Learning)을 이용하여 분석해 분류할 수 있다.
이때, 데이터 분류부(220)는, 복수의 제품 이미지 및/또는 텍스트 등이 연결되어 이루어진 제품 컨텐츠가 존재할 경우, 상기 연결되어 이루어진 제품 컨텐츠를 각각의 제품 이미지들과 및/또는 텍스트로 분리할 수 있다.
다음으로, 최종제공정보 생성부(230)는, 분리된 제품 이미지들을 분류 카테고리(Category)에 따라 구분 및 재구성하여 최종제공정보를 생성할 수 있다.
이때, 최종제공정보 생성부(230)는, 상기 최종제공정보에 상기 최종제공정보를 효과적으로 활용할 수 있는 인터페이스를 더 포함하여 생성할 수 있다.
다음으로, 데이터베이스(240)는, 이미지 자동분류와 관련된 기능 동작에 필요한 응용 프로그램, 데이터 및 명령어 중 어느 하나 이상을 저장할 수 있다.
예를 들어, 데이터베이스(240)는, 수신 및/또는 추출한 제품 전체 컨텐츠, 이미지 분류 기준에 따라 분류된 제품 이미지 및/또는 최종제공정보 등을 저장하여 관리할 수 있다.
이러한 데이터베이스(240)는, ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기 일 수 있고, 인터넷(internet)상에서 상기 데이터베이스(240)의 저장 기능을 수행하는 웹 스토리지(web storage)일 수도 있다.
다음으로, 데이터 배포부(250)는, 최종제공정보 등을 쇼핑몰 서버(100) 및/또는 단말(300)로 송신하여 이미지 자동분류를 통한 최종 결과물 정보를 배포할 수 있다.
- 단말
단말(300)은, 이미지 자동분류 시스템에서, 이미지 자동분류 서버(200)가 생성한 최종제공정보를 수신하여 디스플레이할 수 있고, 상기 최종제공정보를 활용한 모바일 쇼핑몰을 이용할 수 있는 환경을 제공할 수 있다.
또한, 단말(300)은, 최종제공정보에 포함된 인터페이스를 활용할 수 있는 수단을 제공할 수 있다.
이러한 단말(300)은, 모바일 쇼핑몰을 구축하기 위한 관리자의 단말(300)일 수 있다.
이러한 단말(300)은, 도 4를 참조하면, 통신부(310), 입력부(320), 디스플레이부(330), 메모리(340) 및 프로세서(350)를 포함할 수 있다.
먼저, 통신부(310)는, 이미지 자동분류 시스템에 관련된 각종 정보들을 송수신할 수 있다.
예를 들어, 통신부(310)는, 이미지 자동분류 서버(200)가 생성한 최종제공정보 수신할 수 있고, 모바일 쇼핑몰을 이용하기 위한 관련 데이터들을 송수신할 수 있다.
이러한 통신부(310)는, 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등)에 따라 구축된 이동 통신망 상에서 기지국, 외부의 단말, 임의의 서버 중 적어도 하나와 무선 신호를 송수신할 수 있다.
다음으로, 입력부(320)는, 이미지 자동분류 시스템과 관련된 사용자의 입력을 감지할 수 있다.
예를 들어, 입력부(320)는, 최종제공정보에서 제공하는 인터페이스와 관련된 사용자의 입력을 감지할 수 있다.
자세히, 입력부(320)는, 사용자가 메인샷을 선택하는 입력을 감지하면, 상기 선택된 메인샷과 동일한 카테고리로 분류된 서브샷을 추가적으로 화면에 표시하도록 할 수 있다.
다음으로, 디스플레이부(330)는, 이미지 자동분류 시스템과 관련된 그래픽 이미지를 출력할 수 있다.
예를 들어, 디스플레이부(330)는, 최종제공정보 및/또는 모바일 쇼핑몰을 그래픽 이미지로 출력하여 제공할 수 있다.
이러한 디스플레이는, 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉서블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전자잉크 디스플레이(e-ink display) 중에서 적어도 하나를 포함할 수 있다.
그리고 상기 입력부(320) 및 상기 디스플레이부(330)가 결합되어 터치 스크린으로 구현될 수 있다.
다음으로, 메모리(340)는, 이미지 자동분류 시스템과 관련된 각종 응용 프로그램, 데이터 및 명령어 중 어느 하나 이상을 저장할 수 있다.
예를 들어, 메모리(340)는, 최종제공정보를 활용한 모바일 쇼핑몰을 실행할 수 있는 어플리케이션 등을 저장할 수 있다.
이러한 메모리(340)는, ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기 일 수 있고, 인터넷(internet)상에서 상기 메모리(340)의 저장 기능을 수행하는 웹 스토리지(web storage)일 수도 있다.
마지막으로, 프로세서(350)는, 전술한 각 구성요소의 전반적인 동작을 제어하고 구동할 수 있다.
이러한 프로세서(350)는, ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.
- 이미지 자동분류 방법
이하, 이미지 자동분류 방법에 대한 상세한 설명에 앞서, 본 발명의 실시예에서는, 보다 효과적인 설명을 위하여 웹 쇼핑몰에 존재하는 다수의 제품들 중 일 제품에 대한 이미지 자동분류로 한정하여 설명할 수 있다. 그러나, 상기 일 제품에 대한 이미지 외의 타 제품들에 대한 이미지 자동분류도 동일한 방식으로 병렬적으로 수행되고 결합되어, 최종적으로는 웹 쇼핑몰에 포함된 전체 제품들의 이미지들이 각각 분류된 최종제공정보가 생성될 수 있다.
도 5는 본 발명의 실시예에 따른 이미지 자동분류 방법에 대한 흐름도이고, 도 6은 본 발명의 실시예에 따른 추출한 일 제품 전체 컨텐츠를 분석하여 분류하는 단계에 대한 세부 흐름도이며, 도 7은 본 발명의 실시예에 따른 추출한 일 제품 전체 컨텐츠를 분석하여 분류하는 단계의 세부 흐름도에 대한 상세 흐름도이다.
도 5를 참조하면, 이미지 자동분류 서버(200)는, 웹 쇼핑몰 주소를 통하여 쇼핑몰 서버(100)에 접속할 수 있고, 상기 접속한 쇼핑몰 서버(100)로부터 복수의 제품들의 전체 컨텐츠(Contents)를 추출해 저장할 수 있다. (S101, S102)
그리하여 이미지 자동분류 서버(200)는, 이미지 자동분류의 대상이 되는 제품 전체 컨텐츠를 추출하여 이미지 자동분류의 기반 데이터를 획득할 수 있다.
이때, 제품 전체 컨텐츠란, 웹 쇼핑몰 상에 제품을 게시하기 위하여 사용하는 상기 제품과 관련된 제품 이미지 및/또는 텍스트 등을 포괄하는 제품을 설명하기 위한 모든 컨텐츠의 집합을 의미한다.
여기서, 본 발명의 실시예에서는, 이미지 자동분류 서버(200)가 쇼핑몰 서버(100)에 접속하여 제품 전체 컨텐츠를 추출하여 이용한다고 설명하나, 쇼핑몰 서버(100)가 제품 전체 컨텐츠를 이미지 자동분류 서버(200)로 송신하는 등의 다양한 실시예 또한 가능할 것이다.
다음으로, 복수의 제품 전체 컨텐츠를 추출하여 저장한 이미지 자동분류 서버(200)는, 상기 추출한 복수의 제품 전체 컨텐츠 중 임의의 일 제품 전체 컨텐츠를 분류할 수 있다. (S103)
보다 상세히, 도 6 내지 7을 참조하면, 이미지 자동분류 서버(200)는, 일 제품을 설명하기 위한 일 제품 전체 컨텐츠에서 하나의 제품 이미지가 감지되면 이를 추출 및 분리하여, 복수의 제품 이미지를 획득할 수 있다. . (S201, S202)
즉, 이미지 자동분류 서버(200)는, 제품 이미지들 각각에 대하여 이미지 분류를 수행하기 위해 여러 제품 이미지들과 텍스트들이 무작위로 나열된 제품 전체 컨텐츠에서 각각의 제품 이미지들을 분리하여 추출할 수 있다.
예를 들어, 이미지 자동분류 서버(200)는, 복수의 제품 컨텐츠들이 연결된 제품 전체 컨텐츠에서 제품 이미지들만을 분리하기 위하여, 제품 이미지들 사이에 배치된 텍스트 및/또는 공백 유무 등을 기준으로 각각의 제품 이미지들을 분리할 수 있다.
그리하여 이미지 자동분류 서버(200)는, 상기 감지된 제품 이미지 사이의 텍스트 및/또는 공백이 있다고 판단할 경우, 상기 연결된 제품 컨텐츠를 분리할 수 있다.
다른 실시예에서, 이미지 자동분류 서버(200)가 스크립트 형식으로 제품 전체 컨텐츠를 수신하면, 스크립트 형식에서 이미지를 나타내는 확장자 파일만을 추출하여, 제품 이미지들을 분리할수도 있다.
계속해서, 이미지 자동분류 서버(200)는, 상기 획득한 복수의 제품 이미지를 기반으로 제품 정보를 획득할 수 있다. (S203)
자세히, 이미지 자동분류 서버(200)는, 상기 획득한 복수의 제품 이미지를 기반으로 이미지 딥러닝을 수행하여 제품 정보를 획득할 수 있다.
이때, 제품 정보는, 상의, 하의 및/또는 원피스 등과 같이 각 제품이 속한 카테고리에 대한 정보일 수 있다.
실시예로, 이미지 자동분류 서버(200)는, 적어도 하나의 제품 이미지를 기반으로 이미지 딥러닝을 수행하여 상기 제품의 종류가 '상의'에 해당한다는 제품 정보를 획득할 수 있다.
다음으로, 이미지 자동분류 서버(200)는, 획득한 복수의 제품 이미지들을 제 1 기준을 기초로 제 1차 분류를 수행할 수 있다. (S204, S301)
실시예에서, 이미지 자동분류 서버(200)는, 제품의 착용여부를 제 1 기준으로 제품 이미지들을 구분할 수 있다. 예를 들어, 이미지 자동분류 서버(200)는, 사람이나 마네킹이 제품을 착용한 상황을 촬영한 제품 이미지들과, 제품만 배치되어 촬영한 제품 이미지들을 분류할 수 있다.
이미지 자동분류 서버(200)는, 착용샷과 제품샷을 구분하기 위하여, 상기 제품 이미지에서의 내에 포즈(Pose) 유무를 검출할 수 있다.
자세히, 이미지 자동분류 서버(200)는, 상기 제품 이미지에서의 포즈여부를 검출하기 위하여, 포즈인식기를 통한 이미지 딥러닝을 이용할 수 있다.
이때, 포즈인식기란, 룰(Rule) 방식으로 포즈의 유무를 단하는 알고리즘으로서, 기설정된 규칙 및/또는 기준에 따라 포즈유무를 판단할 수 있다.
자세히, 포즈인식기는, 제품 이미지에서 키포인트(Key point, 예를 들면 관절 등)가 추출되는지 여부에 따라서, 제품 이미지 내에 포즈의 유무를 검출할 수 있다.
그리고 포즈인식기는, 키포인트가 있을 경우 포즈가 있다고 판단하여 상기 포즈를 포함한 제품 이미지를 착용샷으로 분류하고, 키포인트가 없을 경우 포즈가 없다고 판단하여 제품샷으로 분류할 수 있다.
정리하면, 이미지 딥러닝의 한 종류인 포즈 인식기를 이용하여 포즈유무를 판단한 이미지 자동분류 서버(200)는, 포즈가 존재한다고 판단된 제품 이미지를 착용샷 카테고리(이하, 착용샷)으로 분류할 수 있고, 포즈가 존재하지 않는다고 판단된 제품 이미지를 제품샷 카테고리(이하, 제품샷)으로 분류할 수 있는 제 1차 분류를 수행할 수 있다.
다음으로, 이미지 자동분류 서버(200)는, 제 1차 분류된 제품 이미지들을 제 2 기준을 기초로 제 2차 분류할 수 있다. (S205, S302, S303)
여기서, 이미지 자동분류 서버(200)는, 제 1차 분류된 이미지가 착용샷일 경우와 제품샷일 경우에 따라 다른 분류 기준을 이용하여 제 2차 분류를 수행할 수 있다.
먼저, 제 1차 분류된 이미지가 착용샷일 경우, 이미지 자동분류 서버(200)는, 제 2차 분류를 위하여 상기 착용샷에서의 포즈 형태를 기준으로 이용할 수 있다.
이때, 이미지 자동분류 서버(200)는, 포즈 형태에 따라 정면을 나타내는 포즈 이미지(이하, 정면샷), 후면을 나타내는 포즈 이미지(이하, 후면샷), 전신을 나타내는 포즈 이미지(이하, 전신샷), 클로즈업(Couse-up)된 포즈 이미지(이하, 클로즈업샷), 서있는 포즈 이미지(이하, 스탠드(Stand)샷) 및/또는 기타 포즈 이미지(이하, 기타포즈샷) 중 적어도 하나의 카테고리에 속하는 이미지로 분류할 수 있다.
또한, 이미지 자동분류 서버(200)는, 상기 착용샷에서의 포즈 형태를 판단하기 위하여, 이미지 딥러닝 중 착용샷인식기 알고리즘을 이용할 수 있다.
이때, 착용샷인식기란, 룰 방식으로 제품 이미지에 속하는 사람(또는, 마네킹)의 포즈의 형태를 판단하는 알고리즘으로서, 기설정된 규칙 및/또는 기준에 따라 포즈형태를 판단할 수 있다.
자세히, 착용샷인식기는, 상기 착용샷을 1)후면샷 여부, 2)전신샷 여부 및 3)스탠드샷 여부 중 적어도 어느 하나 이상을 기준으로 하여, 1차 분류된 착용샷들을 2차 분류할 수 있다.
좀더 자세히, 착용샷인식기는, 1)후면샷 여부, 2)전신샷 여부 및 3)스탠드샷 여부를 순차적으로 적용하여, 먼저 1차 분류된 착용샷에서 후면샷 여부를 분류기준으로 후면샷을 분류하고, 후면샷이 아닌 나머지 제품 이미지들에 전신샷 여부를 분류기준으로 적용하여 전신샷을 분류하며, 전신샷이 아닌 나머지 제품 이미지들을 스탠스샷을 분류기준으로 적용하여 스탠드샷으로 분류할 수 있다. 이와 같은 순서로 착용샷들을 분류할 경우, 이미지 딥러닝 속도가 향상되고, 정확도 또한 높아질 수 있다.
정리하면, 착용샷인식기를 이용하여 포즈 형태를 판단한 이미지 자동분류 서버(200)는, 상기 착용샷이 후면샷으로 판단된 경우 후면샷 카테고리(이하, 후면샷)로 분류할 수 있고, 상기 착용샷이 후면샷이 아니라고 판단된 경우 정면샷 카테고리(이하, 정면샷)으로 분류할 수 있는 제 2차 분류를 수행할 수 있다.
또한, 이미지 자동분류 서버(200)는, 상기 정면샷이 전신샷으로 판단된 경우 전신샷 카테고리(이하, 전신샷)로 분류할 수 있고, 상기 정면샷이 전신샷이 아니라고 판단된 경우 클로즈업샷 카테고리(이하, 클로즈업샷)로 분류할 수 있는 제 2차 분류를 수행할 수 있다.
또한, 이미지 자동분류 서버(200)는, 상기 전신샷이 스탠드샷으로 판단된 경우 스탠드샷 카테고리(이하, 스탠드샷)로 분류할 수 있고, 상기 전신샷이 스탠드샷이 아니라고 판단된 경우 기타포즈샷 카테고리(이하, 기타포즈샷)로 분류할 수 있는 제 2차 분류를 수행할 수 있다.
예를 들어, 이미지 자동분류 서버(200)는, 착용샷이라고 판단된 일 제품 이미지가 정면샷, 전신샷 및 스탠드샷이라고 판단된 경우에 상기 일 제품 이미지를 스탠드샷으로 분류할 수 있다. 또한, 이미지 자동분류 서버(200)는, 착용샷이라고 판단된 일 제품 이미지가 정면샷과 전신샷으로 판단되고 스탠드샷이 아니라고 판단된 경우에 상기 일 제품 이미지를 기타포즈샷으로 분류할 수 있다.
한편, 제 1차 분류된 이미지가 제품샷일 경우, 이미지 자동분류 서버(200)는, 제 2차 분류를 위하여 상기 제품샷이 디테일샷인지 여부를 기준으로 제품샷을 분류할 수 있다.
이때, 디테일샷이란, 제품의 일부분을 클로즈업하여 촬영한 이미지를 의미한다.
또한, 이미지 자동분류 서버(200)는, 상기 제품샷에서의 디테일샷 여부를 판단하기 위하여, 제품샷인식기 및/또는 이미지 딥러닝을 이용할 수 있다.
이때, 제품샷인식기란, 룰 방식으로 포즈의 형태를 판단하는 알고리즘으로서, 기설정된 규칙 및/또는 기준에 따라 디테일샷 여부를 판단할 수 있다.
그리고 제 2차 분류의 기준은 상기 제품샷에서의 제품에 대한 전체 형태가 인식 가능한지 여부일 수 있다.
또한, 착용샷인식기를 통해 포즈 형태를 판단한 이미지 자동분류 서버(200)는, 제품샷이 디테일샷이라고 판단된 경우에 상기 제품샷을 디테일샷 카테고리(이하, 디테일샷)로 분류할 수 있는 제 2차 분류를 수행할 수 있다.
더하여, 이미지 자동분류 서버(200)는, 상기 제품샷이 디테일샷이 아니라고 판단된 제품샷에 대하여 상기 제품샷에서의 제품을 바라본 시점인 뷰포인트(Viewpoint)를 기준으로 제 2 차 분류할 수 있다.
이때, 이미지 자동분류 서버(200)는, 상기 제품샷에서의 뷰포인트를 판단하기 위하여, 제품샷 인시기를 사용할 수 있다.
여기서, 제품샷인식기는, 제 2차 분류에 있어서, 제품을 바라본 시점이 정측면, 후측면, 상측면, 하측면, 좌측면 또는 우측면 여부인지를 판단할 수 있다.
또한, 제품샷인식기를 이용하여 뷰포인트를 판단한 이미지 자동분류 서버(200)는, 상기 제품샷에서의 제품을 바라본 시점이 정측면, 후측면, 상측면, 하측면, 좌측면 또는 우측면 등의 다양한 시점 중 적어도 어느 하나의 시점이라고 판단하고, 상기 제품샷을 뷰포인트에 따라 분류할 수 있는 제 2차 분류를 수행할 수 있다.
실시예로, 이미지 자동분류 서버(200)는, 제품샷이라고 판단된 일 제품 이미지에서의 제품을 바라본 시점이 정측면이라고 판단된 경우, 상기 일 제품 이미지를 정측면샷 카테고리(이하, 정측면샷)으로 분류할 수 있다.
또한, 이미지 자동분류 서버(200)는, 제품샷이라고 판단된 다른 일 제품 이미지에서의 제품을 바라본 시점이 좌측면이라고 판단된 경우, 상기 일 제품 이미지를 좌측면샷 카테고리(이하, 좌측면샷)로 분류할 수 있다.
이상, 상기 기술한 실시예에서는, 이미지 자동분류 서버(200)가 제품 이미지를 분류하기 위하여 제품 정보, 착용여부, 포즈유무, 포즈 형태 및/또는 뷰포인트 등의 기준을 이용한다고 설명하였으나, 통상의 기술자가 실시할 수 있는 범위 내에서 다양한 실시예가 가능할 것이다.
다음으로, 이미지 자동분류 서버(200)는, 제 2차 분류된 이미지들을 제 3 기준을 기초로 최종 분류를 수행할 수 있고, 상기 최종 분류를 통해 최종 분류된 제품 이미지를 획득할 수 있다. . (S206, S304)
그리고 이미지 자동분류 서버(200)는, 최종 분류를 통해 메인(Main)샷과 서브(Sub)샷을 분류할 수 있다.
여기서, 메인샷이란, 제품 이미지를 분류한 각 카테고리에서 해당 카테고리를 가장 대표할 수 있는 A컷 이미지를 의미한다.
또한, 서브샷이란, 제품 이미지를 분류한 각 카테고리에서 메인샷을 제외한 나머지 B컷 이미지들을 의미한다.
다시 돌아와서, 이미지 자동분류 서버(200)는, 최종 분류를 위하여 제 2차 분류된 이미지에서의 메인샷과 서브샷을 나누는 기준은, 제품노출영역의 크지 및/또는 일 카테고리에 상기 제품 이미지가 적용될 확률일 수 있다. 여기서, 제품노출영역의 크기란, 제품 이미지에서 제품이 차지하는 영역의 크기를 의미한다. 또한, 일 카테고리에 상기 제품 이미지가 적용될 확률은, 상기 제품 이미지가 상기 카테고리의 분류 기준에 부합하는 정도를 의미한다.
자세히, 이미지 자동분류 서버(200)는, 제 2차 분류된 이미지에서의 제품노출영역의 크기가 클수록 메인샷으로 분류할 수 있고, 제 2차 분류된 이미지가 분류되어 속한 카테고리의 상기 제 2차 분류된 이미지에 대한 적용 확률이 클수록 메인샷으로 분류할 수 있다.
실시예로, 제 2차 분류된 이미지가 착용샷일 경우, 이미지 자동분류 서버(200)는, 특정 카테고리로 제 2차 분류된 착용샷인 일 제품 이미지의 제품노출영역의 크기가 상기 특정 카테고리와 동일한 카테고리로 제 2차 분류된 타 제품 이미지들의 제품노출영역의 크기들에 비하여 큰 지 판단할 수 있다.
그리고 이미지 자동분류 서버(200)는, 상기 착용샷인 일 제품 이미지의 제품노출영역의 크기가 상기 타 제품 이미지들의 제품노출영역의 크기에 비하여 가장 클 경우, 상기 일 제품 이미지를 메인샷으로 분류할 수 있다.
또한, 이미지 자동분류 서버(200)는, 특정 카테고리로 제 2차 분류된 착용샷인 일 제품 이미지가 상기 특정 카테고리와 동일한 카테고리로 제 2차 분류된 타 제품 이미지들에 비하여 상기 특정 카테고리의 분류 기준에 보다 부합하는 경우, 상기 일 제품 이미지를 메인샷으로 분류하는 최종 분류를 수행할 수 있다.
계속해서, 이미지 자동분류 서버(200)는, 각 카테고리별 분류된 메인샷을 제외한 나머지 제 2차 분류된 이미지들을 서브샷으로 분류할 수 있는 최종 분류를 수행할 수 있다.
다른 실시예로, 제 2차 분류된 이미지가 제품샷일 경우, 이미지 자동분류 서버(200)는, 특정 카테고리로 제 2차 분류된 제품샷인 일 제품 이미지의 제품노출영역의 크기가 상기 특정 카테고리와 동일한 카테고리로 제 2차 분류된 타 제품 이미지들의 제품노출영역의 크기들에 비하여 큰 지 판단할 수 있다.
그리고 이미지 자동분류 서버(200)는, 상기 제품샷인 일 제품 이미지의 제품노출영역의 크기가 상기 타 제품 이미지의 제품노출영역의 크기에 비하여 가장 클 경우, 상기 제품샷인 일 제품 이미지를 메인샷으로 분류하는 최종 분류를 수행할 수 있다.
또한, 이미지 자동분류 서버(200)는, 특정 카테고리로 제 2차 분류된 제품샷인 일 제품 이미지가 상기 특정 카테고리와 동일한 카테고리로 제 2차 분류된 타 제품 이미지들에 비하여 상기 특정 카테고리의 분류 기준에 보다 부합하는 경우, 상기 제품샷인 일 제품 이미지를 메인샷으로 분류하는 최종 분류를 수행할 수 있다.
계속해서, 이미지 자동분류 서버(200)는, 각 카테고리별 분류된 메인샷을 제외한 나머지 제 2차 분류된 이미지들을 서브샷으로 분류할 수 있는 최종 분류를 수행할 수 있다.
이때, 상기 실시예에서는, 이미지 자동분류 서버(200)가 제 2차 분류된 제품샷에 대하여 제품노출영역의 크기 및/또는 제품 이미지가 분류되어 속한 카테고리의 상기 제품 이미지에 대한 적용 확률의 정도를 이용하여 최종 분류를 한다고 설명하였으나, 다른 실시예에서는, 상기 제 2차 분류된 제품샷에 대하여 제품노출영역의 크기가 가장 크다고 판단되는 특정 시점의 샷(예를 들어, 정측면샷)을 기설정하고, 상기 기설정된 특정 시점의 샷을 메인샷으로 분류하는 최종 분류를 수행할 수도 있는 등 다양한 실시예가 가능할 것이다.
또한, 이미지 자동분류 서버(200)는, 상기 기술한 바와 같은 추출한 제품 이미지를 분석하여 분류하는 기능을 도 8과 같은 화면으로 제공할 수도 있다.
그리하여 본 발명의 실시예는, 웹 쇼핑몰 상에 무작위로 나열된 다양한 제품 이미지를 본 발명의 실시예에서의 다양한 기준에 따라 모바일 쇼핑몰에서 사용하기 적합한 우선순위 순서로 자동분류함으로써, 상기 제품 이미지를 신속하고 편리하게 분류할 수 있고, PC에 비해 작은 디스플레이를 가진 모바일 환경에서 제품 이미지를 사용자에게 보다 효과적으로 전달할 수 있다.
다시 도 5에 대한 설명으로 돌아와서, 임의의 일 제품 전체 컨텐츠를 분석하여 분류를 완료한 이미지 자동분류 서버(200)는, 타 제품 전체 컨텐츠를 분석하여 분류할 수 있다. (S104)
자세히, 이미지 자동분류 서버(200)는, 타 제품 전체 컨텐츠에 대하여 상기 기술한 일 제품 전체 컨텐츠의 분류 방법과 동일한 방식으로 이미지 자동분류를 수행할 수 있다.
이때, 타 제품 전체 컨텐츠란, 웹 쇼핑몰에서 추출된 복수의 제품 전체 컨텐츠 중에서 임의의 하나로 선정된 일 제품 전체 컨텐츠 외의 나머지 제품 전체 컨텐츠 각각을 의미할 수 있다. 또한, 이미지 자동분류 서버(200)는, 타 제품 전체 컨텐츠에 대한 이미지 자동분류를 통해 최종 분류된 제품 이미지를 일 제품 전체 컨텐츠에서와 같이 획득할 수 있다. 여기서, 본 발명의 실시예에서는, 일 제품 전체 컨텐츠에 대한 이미지 자동분류를 수행한 후, 타 제품 전체 컨텐츠에 대한 이미지 자동분류를 수행하여 최종분류된 제품 이미지들을 획득한다고 설명하였으나, 다른 실시예에서는, 웹 쇼핑몰에 게시된 모든 제품 전체 컨텐츠에 대하여 일괄적으로 이미지 자동분류를 수행한 후 최종분류된 제품 이미지들을 획득하는 등의 다양한 실시예가 가능할 것이다.
다음으로, 이미지 자동분류 서버(200)는, 획득한 최종분류된 제품 이미지들을 재구성하여 최종제공정보를 생성할 수 있다. (S105)
자세히, 이미지 자동분류 서버(200)는, 일 제품 전체 컨텐츠 및/또는 타 제품 전체 컨텐츠에서의 이미지 자동분류를 통하여 획득한 최종분류된 제품 이미지들을 기반으로 최종제공정보를 생성할 수 있다.
이때, 이미지 자동분류 서버(200)는, 최종분류된 제품 이미지들을 분류 카테고리에 따라 구분 용이하도록 재구성하여 최종제공정보를 생성할 수 있으며, 상기 최종제공정보를 효과적으로 활용할 수 있는 인터페이스를 더 포함하여 제공할 수 있다.
자세히, 도 9을 참조하면, 이미지 자동분류 서버(200)는, 최종제공정보를 통하여 사용자에게 각 제품별 제품 정보, 각 카테고리별 이름 및/또는 각 제품과 카테고리 별 메인샷 등을 먼저 제공할 수 있다.
자세히, 전체 최종제공정보는, 각 제품에 대한 최종제공정보가 순차적으로 나열된 형태일 수 있다. 그리고 각 제품의 최종제공정보는, 제품별 제품 정보에 해당하는 제품 이미지의 메인샷들이 카테고리별로 순차적으로 나열된 형태일 수 있다. 즉, 최종제공정보는, 일 행에는 일 제품의 제품정보와 카테고리별 메인샷들이 순차적으로 나열될 수 있고, 이러한 각 제품들을 나타내는 행들이 일렬로 나열된 형태로 구성될 수 있다.
또한, 이미지 자동분류 서버(200)는, 사용자로부터 상기 각 제품과 카테고리 별 메인샷을 선택하는 입력을 받을 경우, 상기 메인샷의 분류 카테고리에 속한 나머지 서브샷을 추가적으로 일괄 표시하는 인터페이스를 제공할 수 있다.
실시예로, 이미지 자동분류 서버(200)는, 사용자로부터 제 1 제품의 기타포즈샷의 메인샷을 선택하는 입력을 받은 경우, 상기 제 1 제품의 기타포즈샷에 속하는 서브샷들을 팝업창을 통해 화면에 노출할 수 있다.
이때, 이미지 자동분류 서버(200)는, 상기 서브샷들의 노출 순서를 상기 서브샷들에 속하는 각 서브샷에서의 제품노출영역의 크기가 클수록 우선으로 배치하여 표시할 수 있고, 다른 실시예에서는, 상기 서브샷들을 랜덤한 순서로 배치하여 표시할 수도 있다.
그리하여, 본 발명의 실시예는, 웹 쇼핑몰에서와 같은 방식으로 모바일 쇼핑몰에 제품 이미지를 나열할 경우에 발생할 수 있는 불편함을 효과적으로 해결할 수 있고, PC에 비해 작은 모바일 디스플레이에서 제품 이미지를 무작위로 표시하는 것이 아닌 제품별 메인샷을 자동분류해 정리하여 노출함으로써, 모바일 환경에 적합한 제품 이미지 디스플레이를 편리하게 할 수 있다.
또한, 본 발명의 실시예는, 이미지 자동분류를 통하여 생성한 최종제공정보를 활용할 수 있는 인터페이스를 제공함으로써, 사용자가 자동분류된 이미지를 편리하게 확인하도록 할 수 있다.
다음으로, 이미지 자동분류 서버(200)는, 생성한 최종제공정보를 쇼핑몰 서버(100) 및/또는 단말(300)로 송신할 수 있다. (S106)
자세히, 이미지 자동분류 서버(200)는, 최종제공정보를 Json(Java Script Object Notation) 파일 형식으로 생성할 수 있고, 상기 Json 파일 형식으로 생성한 최종제공정보를 쇼핑몰 서버(100) 및/또는 단말(300)로 송신할 수 있다.
이와 같이, 이미지 자동분류 서버(200)는, 방대한 양의 데이터를 송수신하기에 적합한 Json 파일 형식을 사용함으로써, 보다 경량화된 데이터 포맷 기술을 접목한 데이터 송신을 할 수 있고, 생성한 최종제공정보를 보다 원활하게 쇼핑몰 서버(100) 및/또는 단말(300)로 송신할 수 있다.
이상 기술한 바와 같이, 본 발명의 실시예에 따른 이미지 자동분류 방법 및 시스템은, 웹 쇼핑몰 상에 무작위로 나열된 다양한 제품 이미지를 모바일 쇼핑몰에서 사용하기 적합하도록 자동분류하여 제공함으로써, 상기 제품 이미지를 신속하고 편리하게 분류하도록 하고, PC에 비해 작은 디스플레이를 가진 모바일 환경에서 제품 이미지가 사용자에게 보다 효과적으로 전달되도록 할 수 있다.
즉, 관리자는, 최종제공정보를 통해 제품별, 카테고리별, 메인샷들을 한눈에 확인 가능하여, 필요한 메인샷과 서브샷을 손쉬운 인터페이스로 추출할 수 있으며, 추출된 이미지들을 통해 모바일 쇼핑몰을 구축함으로써, 관리자의 편의를 향상시킬 수 있다.
또한, 본 발명의 실시예에 따른 이미지 자동분류 방법 및 시스템은, 상기 자동분류한 정보를 인터페이스로 재구성해 제공함으로써, 사용자가 자동분류된 이미지를 편리하게 확인하도록 할 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리(340) 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, “필수적인”, “중요하게” 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.
또한 설명한 본 발명의 상세한 설명에서는 본 발명의 바람직한 실시 예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자 또는 해당 기술분야에 통상의 지식을 갖는 자라면 후술할 특허청구범위에 기재된 본 발명의 사상 및 기술 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 기술적 범위는 명세서의 상세한 설명에 기재된 내용으로 한정되는 것이 아니라 특허청구범위에 의해 정하여져야만 할 것이다.

Claims (14)

  1. 웹 쇼핑몰로부터 복수의 제품의 전체 컨텐츠를 획득하는 단계;
    상기 획득한 복수의 제품 전체 컨텐츠에서 각각의 제품별 전체 컨텐츠를 분류하여 저장하는 단계;
    일 제품의 전체 컨텐츠에서 복수의 제품 이미지들을 추출하는 단계; 및
    상기 추출된 복수의 제품 이미지를 적어도 1회 이상 자동 분류하여 일 제품에 대한 최종제공정보를 생성하는 단계를 포함하고,
    상기 최종제공정보는,
    상기 일 제품에 대한 복수의 제품 이미지들을 복수의 카테고리 별로 분류하여 각 분류된 제품 이미지들을 선택 가능하도록 제공하는 정보인
    이미지 자동분류 방법.
  2. 제 1 항에 있어서,
    상기 일 제품의 전체 컨텐츠를 기초로 상기 일 제품의 제품 정보를 획득하는 단계를 더 포함하고,
    상기 제품 정보는,
    상기 일 제품이 상의, 하의 및 원피스 중 어느 하나의 제품 종류 카테고리에 속하는지를 나타내는 정보를 포함하는
    이미지 자동분류 방법.
  3. 제 1 항에 있어서,
    상기 일 제품의 전체 컨텐츠에서 복수의 제품 이미지들을 추출하는 단계는,
    상기 인접한 제품 이미지들 사이의 텍스트 또는 공백의 유무를 기초로 인접한 제품 이미지들을 각각의 제품 이미지로 분리하는 단계를 포함하는
    이미지 자동분류 방법.
  4. 제 1 항에 있어서,
    상기 추출된 복수의 제품 이미지를 적어도 1회 이상 자동 분류하여 일 제품에 대한 최종제공정보를 생성하는 단계는,
    상기 제품 이미지들을 제품 착용여부를 기준으로 착용샷 및 제품샷 중 적어도 어느 하나의 카테고리로 제 1차 분류하는 단계를 포함하는
    이미지 자동분류 방법.
  5. 제 4 항에 있어서,
    상기 제 1차 분류하는 단계는,
    상기 제품 이미지 내에 포즈 특징이 있으면 상기 착용샷 카테고리로 분류하고, 나머지 제품 이미지는 상기 제품샷 카테고리로 분류하는 단계인
    이미지 자동분류 방법.
  6. 제 5 항에 있어서,
    상기 추출된 복수의 제품 이미지를 적어도 1회 이상 자동 분류하여 일 제품에 대한 최종제공정보를 생성하는 단계는,
    상기 제 1차 분류된 이미지가 상기 착용샷일 경우, 상기 착용샷들을 포즈 형태를 기준으로 정면샷, 후면샷, 전신샷, 클로즈업샷, 스탠드샷 또는 기타포즈샷 중 적어도 어느 하나의 카테고리로 제 2차 분류하는 단계를 포함하는
    이미지 자동분류 방법.
  7. 제 6 항에 있어서,
    상기 제 2차 분류하는 단계는,
    상기 착용샷에서 후면샷을 검출하는 단계와,
    상기 후면샷을 제외한 정면샷에서 전신샷을 검출한 후 나머지 정면샷들을 클로즈업샷으로 분류하는 단계와,
    상기 전신샷을 스탠드 샷과 기타포즈 샷으로 분류하는 단계를 포함하는
    이미지 자동분류 방법.
  8. 제 6 항에 있어서,
    상기 추출된 복수의 제품 이미지를 적어도 1회 이상 자동 분류하여 일 제품에 대한 최종제공정보를 생성하는 단계는,
    상기 제 1차 분류된 이미지가 상기 제품샷일 경우,
    상기 제품샷들을 뷰포인트를 기준으로 정측면샷, 후측면샷, 상측면샷, 하측면샷, 죄측면샷 또는 우측면샷 중 어느 하나의 카테고리로 제 2차 분류하는 단계를 포함하는
    이미지 자동분류 방법.
  9. 제 8 항에 있어서,
    상기 제품샷에서 상기 일 제품의 디테일을 촬영한 디테일샷을 분류하는 단계를 더 포함하는
    이미지 자동분류 방법.
  10. 제 8 항에 있어서,
    상기 추출된 복수의 제품 이미지를 적어도 1회 이상 자동 분류하여 일 제품에 대한 최종제공정보를 생성하는 단계는,
    상기 제 2차 분류된 이미지를 상기 제 2차 분류된 카테고리의 메인샷과 나머지 서브샷으로 최종 분류하는 단계를 더 포함하는
    이미지 자동분류 방법.
  11. 제 10 항에 있어서,
    상기 메인샷과 서브샷을 최종 분류하는 기준은,
    상기 제품 이미지에서 제품이 노출된 영역의 크기 또는 상기 제품 이미지가 제 2차 분류되어 속한 카테고리에 적용 확률을 기준인
    이미지 자동분류 방법.
  12. 제 11 항에 있어서,
    상기 최종제공정보는,
    각 제품 별 제품 정보, 상기 제 2차 분류에 따른 카테고리별 이름 및 상기 제 2차 분류된 카테고리의 메인샷을 출력하는 정보인
    이미지 자동분류 방법.
  13. 제 12 항에 있어서,
    상기 최종제공정보는,
    일 카테고리의 메인샷을 선택하는 입력을 받으면, 상기 일 카테고리에 속한 나머지 상기 서브샷을 추가적으로 일괄 표시하는 인터페이스를 포함하는
    이미지 자동분류 방법.
  14. 제 13 항에 있어서,
    상기 최종제공정보를 사용자에게 Json 형식의 파일로 생성하여 송신하는 단계를 더 포함하는
    이미지 자동분류 방법.
KR1020180103266A 2018-08-31 2018-08-31 이미지 자동분류 방법 및 시스템 KR102135477B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020180103266A KR102135477B1 (ko) 2018-08-31 2018-08-31 이미지 자동분류 방법 및 시스템
US16/528,499 US11531882B2 (en) 2018-08-31 2019-07-31 Method and system for automatically classifying images
JP2019151535A JP7358117B2 (ja) 2018-08-31 2019-08-21 イメージ自動分類方法及びシステム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180103266A KR102135477B1 (ko) 2018-08-31 2018-08-31 이미지 자동분류 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20200027093A true KR20200027093A (ko) 2020-03-12
KR102135477B1 KR102135477B1 (ko) 2020-07-17

Family

ID=69641269

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180103266A KR102135477B1 (ko) 2018-08-31 2018-08-31 이미지 자동분류 방법 및 시스템

Country Status (3)

Country Link
US (1) US11531882B2 (ko)
JP (1) JP7358117B2 (ko)
KR (1) KR102135477B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210130953A (ko) * 2020-04-23 2021-11-02 엔에이치엔 주식회사 딥러닝 기반 가상 이미지 생성방법 및 시스템
KR102456012B1 (ko) * 2022-06-10 2022-10-18 주식회사 애자일소다 인공지능 기반의 분류 모델링 장치 및 방법

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11417424B2 (en) * 2019-10-11 2022-08-16 International Business Machines Corporation Disease detection from weakly annotated volumetric medical images using convolutional long short-term memory and multiple instance learning
US11195273B2 (en) 2019-10-11 2021-12-07 International Business Machines Corporation Disease detection from weakly annotated volumetric medical images using convolutional long short-term memory
CN112287152B (zh) * 2020-10-26 2021-08-27 山东晨熙智能科技有限公司 一种照片分类方法及系统
US20220222730A1 (en) * 2021-01-13 2022-07-14 Fierce Capital Investment Inc Methods and systems for facilitating providing assistance to a user with shopping
KR20240025414A (ko) 2022-08-18 2024-02-27 주식회사 스톡폴리오 판매용 컨텐츠에 대한 편집 기능을 제공하는 컨텐츠 판매 중개 시스템 및 이를 운영하는 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110045293A (ko) * 2009-10-26 2011-05-04 주식회사 시맨틱스 인터넷 컨텐츠 내용에 가장 적합한 쇼핑몰의 상품정보를 자동으로 제공하는 상품광고 의미 매칭 서비스 시스템 및 방법
KR20110123848A (ko) * 2010-05-10 2011-11-16 이경환 가상 피팅룸 서비스의 구현 방법 및 시스템
KR20160096832A (ko) 2015-02-06 2016-08-17 주식회사 컨비니언스 유사 의류 자동 검색 및 추천 알고리즘
KR20180080098A (ko) * 2017-01-03 2018-07-11 삼성전자주식회사 전자 장치 및 그 동작 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002203185A (ja) * 2000-12-28 2002-07-19 Sanyo Electric Co Ltd 商品注文受付装置及び方法、商品注文システム及び方法、商品注文装置
JP2003085091A (ja) 2001-09-10 2003-03-20 Hibiya Kadan:Kk ウエブページ管理支援システム
JP2009128997A (ja) 2007-11-20 2009-06-11 Fujifilm Corp 衣類画像表示装置及び衣類画像表示方法
JP2011044053A (ja) 2009-08-24 2011-03-03 Plaice Co Ltd 組み合わせ商品検討装置またはその方法
JP6761315B2 (ja) 2016-09-20 2020-09-23 ヤフー株式会社 情報提供装置、情報提供方法、および情報提供プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110045293A (ko) * 2009-10-26 2011-05-04 주식회사 시맨틱스 인터넷 컨텐츠 내용에 가장 적합한 쇼핑몰의 상품정보를 자동으로 제공하는 상품광고 의미 매칭 서비스 시스템 및 방법
KR20110123848A (ko) * 2010-05-10 2011-11-16 이경환 가상 피팅룸 서비스의 구현 방법 및 시스템
KR20160096832A (ko) 2015-02-06 2016-08-17 주식회사 컨비니언스 유사 의류 자동 검색 및 추천 알고리즘
KR20180080098A (ko) * 2017-01-03 2018-07-11 삼성전자주식회사 전자 장치 및 그 동작 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210130953A (ko) * 2020-04-23 2021-11-02 엔에이치엔 주식회사 딥러닝 기반 가상 이미지 생성방법 및 시스템
US11727605B2 (en) 2020-04-23 2023-08-15 Nhn Cloud Corporation Method and system for creating virtual image based deep-learning
KR102456012B1 (ko) * 2022-06-10 2022-10-18 주식회사 애자일소다 인공지능 기반의 분류 모델링 장치 및 방법

Also Published As

Publication number Publication date
US20200074299A1 (en) 2020-03-05
US11531882B2 (en) 2022-12-20
KR102135477B1 (ko) 2020-07-17
JP2020038640A (ja) 2020-03-12
JP7358117B2 (ja) 2023-10-10

Similar Documents

Publication Publication Date Title
KR102135477B1 (ko) 이미지 자동분류 방법 및 시스템
US10496896B2 (en) Generating object proposals using deep-learning models
US11023772B2 (en) Generating refined object proposals using deep learning models
US20230012732A1 (en) Video data processing method and apparatus, device, and medium
US11074623B2 (en) Method and device for pushing information
US9401032B1 (en) Image-based color palette generation
WO2018102764A1 (en) Page information personalization method, apparatus and system
US20140245196A1 (en) User interface generation and preview
CN108288208B (zh) 基于图像内容的展示对象确定方法、装置、介质及设备
CN105874449A (zh) 用于提取和生成用于显示内容的图像的系统和方法
US11727082B2 (en) Machine-learning based personalization
CN111191133B (zh) 业务搜索处理方法、装置及设备
CN111738010B (zh) 用于生成语义匹配模型的方法和装置
CN106445977A (zh) 图片推送方法及装置
CN111126390A (zh) 一种用于识别媒体内容中标识图案的相关方法及装置
CA3122314A1 (en) Method and system for visualizing data differentiation
CN108921138B (zh) 用于生成信息的方法和装置
CN111488887B (zh) 基于人工智能的图像处理方法、装置
CN107451194A (zh) 一种图片搜索方法及装置
US9372914B1 (en) Determining computing device characteristics from computer network activity
CN111885139B (zh) 内容分享方法、装置及系统、移动终端、服务器
CN114003816A (zh) 模板页面动态调整方法、装置、计算机设备和存储介质
CN109584012B (zh) 用于生成物品推送信息的方法和装置
CN105879392A (zh) 基于背景减除法对图像进行分解存储的在线图形化游戏制作系统
CN108763194A (zh) 应用标注标签方法、装置、存储介质及计算机设备

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant